一种基于PSO的动态聚类算法

传统的划分聚类算法必须指定簇的数量且聚类结果受初始条件的影响较大.针对此缺点,提出了一种基于PSO和K-means的混合动态聚类算法--DKPSO,运行过程中能够自动确定聚类簇的最佳数量.此算法在初始时将聚类数据划分为较多数量的簇以减少初始条件的影响,然后使用离散PSO算法不断优化簇的数量并使用K-means算法进一步优化每个粒子代表的聚类中心.为了提高收敛速度,对算法进行了的改进,使每个粒子的惯性权重随迭代次数非线性自适应地调整.最后通过实验对算法的有效性进行了验证,并给出实验结果.     

An Efficient Handoff Decision Algorithm for Vertical Handoff Between WWAN and WLAN

Vertical handoff is one significant challenge for mobility management in heterogeneous wireless networks. Compared with horizontal handoff, vertical handoff involves different wireless network technologies varying widely in terms of bandwidth, delay, coverage area, power consumption, etc. In this paper, we analyze the signal strength model of mobile node and present a new vertical handoff decision algorithm. This algorithm can adapt to the change of mobile node＇s velocity and improve the handoff efficiency significantly. We analyze the algorithm＇s performance and the effect of different parameters on handoff triggering. In addition, we propose three performance evaluation models and verify the algorithm＇s feasibility and effectiveness in simulations.     

基于动态Cache的无线局域网快速切换算法

BSS切换产生的时延和抖动会严重影响实时语音等实时业务的性能。为了提高用户获得的网络性能,该文提出一种基于动态阈值的切换触发机制,可以在保证切换灵敏度的前提下解决频繁切换的问题,在此基础上设计实现一种基于动态Cache机制的快速切换算法。实验结果表明,该算法可有效地减小切换时延,性能优于静态Cache机制。     

一种基于线性动态参数的自适应粒子群优化算法

提出一种权重因子和认知因子线性自适应性改变的粒子群优化算法(APSO-LDP),该算法中个体学习因子和社会学习因子都可以按设定的方式进行线性适应性改变。其中个体学习因子的线性减少、社会学习因子的线性增大,有助于粒子群前期的多样性和后期的跟随最优粒子,而惯性权重的线性减少更达到快速收敛和局部搜索能力的平衡。实验表明,该改进算法具有较好的寻优能力。     

参数可调的克隆多播路由算法

近年来,时延受限的代价最小多播树问题备受关注.到目前为止,BSMA(bounded shortest multicast algorithm)算法被认为是最好的受限多播路由算法;然而,过长的计算时间限制了其应用.作为一种全局优化算法,遗传算法(genetic algorithm,简称GA)被越来越多地应用于多播路由问题.与传统的算法相比,遗传算法的全局搜索能力更强,但其易"早熟"的特点使它并不总是能得到最优多播树.提出的基于克隆策略的多播路由算法,有效地解决了"遗传"多播路由算法中的"早熟"问题,并通过引入一个可调因子缩小了搜索空间,加快了算法的收敛速度.算法实现简单、控制灵活.仿真结果表明,该算法的性能优于BSMA算法和传统的遗传算法.     

XCP中a参数的自适应动态调整算法

分析了XCP在a参数设置上存在的问题，提出了一种基于平均队列变化、动态调整参数a的参数自适应算法。NS2模拟结果表明，该算法能提高XCP的带宽利用率并且保持稳定。     

一种自适应动态负载均衡算法

负载均衡问题是一个经典的组合优化难题,该文建立了一个集群中的负载均衡问题模型,并提出了一种旨在最小化负载均衡开销的动态自适应算法。由于集群中存在网络延时,所以负载重分配的开销很大一部分取决于CPU间发送、接受的消息的最大数量。该负载均衡算法以最小化负载重分配时CPU间消息发送、接受的数量为目标,根据过载、轻载CPU数量的变化动态调用D算法和R算法,以降低负载均衡开销。     

自适应参数的轨迹压缩算法

随着轨迹数据量的急剧增长,数据规模变得越来越庞大、复杂,给数据的存储、传输和分析带来了一系列的难题,迫切需要对移动对象的轨迹数据进行有效地压缩。现有的轨迹数据压缩算法大都是基于固定压缩阈值,来判定轨迹点是否被保留,在算法执行过程中,用户难以确定压缩阈值。针对现有轨迹数据压缩算法压缩阈值难以确定的缺点,本文提出了自适应参数的轨迹压缩算法。该算法根据用户期望达到的压缩效果,按照优先保证压缩比的策略,在保证压缩效率和压缩效果的情况下,帮助用户自动确定压缩阈值,从而避免了用户需要根据自己的经验,进行反复实验来得到理想压缩阈值的过程。实验结果表明,本文提出的算法都具有较高的压缩效率和较好的压缩效果。     

一种基于自适应参数的图像加密算法

现有的图像加密算法对选择明文攻击安全性较低。针对该问题,提出一种基于自适应参数的图像加密算法,对图像重心公式进行改进,将计算所得的重心坐标作为自适应参数,协同用户密钥输入四维超混沌系统产生混沌序列,进行图像加密,通过可逆数字水印技术将自适应参数保存到加密图像中。实验结果证明,该算法密钥管理方便,能够抵抗选择明文等攻击。     

NFL:一种基于活动流参数估计的自适应模糊AQM算法

针对主动队列管理（AQM）机制面对动态突变的网络存在参数配置难问题,提出一种将模糊AQM和活动流参数估计策略相结合的白适应AQM算法（NFL）．在综合权衡各性能指标的基础上,设计了一组能适应一定网络变化的模糊规则,并对算法进行了运算优化．为捕获网络突发流,引入了一种基于Bloom滤波器的无状态维护活动流参数估计策略,并依此提出一个模糊AQM输出增益补偿器．实验结果表明,NFL能较好地适应网络变化,相对其他算法,具有更快的收敛速度和稳定的稳态队列控制性能．     

一种可调参数前馈神经网络的快速学习算法

针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索。实验表明,该算法不仅能明显提高网络的学习速度,而且可较好地避免学习过程陷入局部极小点而导致学习失败。